3615 artigos
Este artigo apresenta o JACC v1.0, um framework unificado para a linguagem Julia compilada via LLVM que permite uma programação paralela de alta produtividade, portável e de alto desempenho através de um único código-fonte em diversas arquiteturas de CPU e GPU.
O ChunkGuard é um sistema de armazenamento de arquivos seguro em nível de usuário que emprega criptografia AES-128-CTR em nível de chunk e verificação de integridade HMAC-SHA256 para proteger a confidencialidade dos dados e detectar adulterações, alcançando segurança funcional enquanto identifica o E/S de disco como seu principal gargalo de desempenho.
Este artigo apresenta o GRIDGUARD-AI, um framework de agentes explicável e com participação humana (human-in-the-loop) que integra aprendizado de máquina com escalonamento de risco determinístico para detectar ataques cibernéticos não vistos em redes inteligentes, demonstrando alta garantia de segurança por meio de uma avaliação rigorosa de cenários retidos (scenario-held-out), ao mesmo tempo em que destaca a necessidade atual de revisão humana extensiva antes da implementação.
Este artigo demonstra que o reuso de operações de GUI gravadas como ferramentas parametrizadas melhora significativamente as taxas de conclusão de tarefas e reduz as chamadas de modelo para agentes de software em comparação com código bruto, ao mesmo tempo em que destaca a necessidade crítica de avaliar o estado persistente da aplicação e as mudanças colaterais para garantir a execução confiável do fluxo de trabalho.
Este estudo apresenta uma avaliação de prova de conceito de um framework de geração aumentada por recuperação para assessoria tributária em países de baixa e média renda, demonstrando que a recuperação semântica da legislação de imposto de renda nacional pode alcançar alta precisão na identificação de disposições estatutárias para apoiar o prompting de modelos de linguagem fundamentado, ao mesmo tempo em que destaca a necessidade de validação adicional sobre a qualidade da geração e conformidade legal antes da implementação.
Este artigo propõe uma Estrutura de Aprendizado Profundo de Múltiplos Níveis (MTDLF) que combina a codificação de texto em vietnamita baseada em PhoBERT com modelagem financeira temporal para prever com precisão a adesão ao Índice de Sustentabilidade do Vietnã para empresas de mercados emergentes, abordando lacunas críticas no processamento de dados ESG não estruturados e na análise de trajetória longitudinal.
Este artigo apresenta um protótipo preliminar baseado em Python para detecção de emoções de motoristas em tempo real usando detecção facial Haar-Cascade e uma CNN pré-treinada para identificar estados emocionais inseguros, demonstrando a viabilidade por meio de testes controlados ao reconhecer explicitamente limitações como a falta de validação de verdade fundamental, de filmagens de condução do mundo real e de precisão de classificação medida.
Este estudo avalia a qualidade clínica de quatro modelos de linguagem de grande escala em questões de pacientes ortopédicos por meio de classificações de especialistas, encontrando um desempenho geralmente alto sem diferenças estatisticamente significativas entre os modelos, ao mesmo tempo em que demonstra que a combinação de recursos de PLN e semânticos pode prever fracamente a precisão classificada por especialistas, apesar das limitações na previsão automatizada de qualidade.
Este estudo emprega uma estrutura híbrida CNN–LSTM–Attention para validar quantitativamente a personificação dos princípios cosmológicos tradicionais do Bagua na arquitetura Hakka de Gannan, revelando um alto grau de ordem espacial direcional através de diversos tipos de edifícios, ao mesmo tempo em que identifica padrões de densidade distintos entre habitações muradas e estruturas públicas.
Esta revisão sistemática de literatura de 64 estudos revela que a Privacidade Diferencial está sendo cada vez mais utilizada para auditar, em vez de substituir, modelos de anonimização sintática, destacando a Entropia de Shannon como uma ponte semântica promissora para aumentar a interpretabilidade e a transparência de frameworks de privacidade híbridos.